Локальный ИИ-агент: как запустить на своём ПК в 2026

Локальный ИИ-агент — это агент, который исполняется на вашем компьютере: читает файлы проекта, правит код, запускает команды и тесты, делает коммиты. Модель при этом остаётся у провайдера — каждый шаг уходит в сеть. Локальность здесь про исполнение, а не про вычисления, и это первое, что стоит понять до установки.

На практике вы получаете доступ к своей папке целиком: без загрузки архива в браузер и без копирования кусков кода в чат. Агент работает в той же среде, где вы собираете проект, — те же версии зависимостей, те же переменные окружения. Закрыли ноутбук, и процесс встал.

От облачного агента локальный отличается не умом. Облачный переживёт выключение вашего ПК и увидит ровно то, что вы ему передали руками. Локальный видит всю папку, но упирается в ваше железо и в то, включён ли компьютер прямо сейчас.

Что именно остаётся на компьютере, а что уходит в сеть?

Увеличить

Локальный агент — это не «данные никуда не уходят». Это «данные уходят не целиком»: файлы, команды и результат остаются у вас, а текст, который агент прочитал по пути к цели, — уже нет.

Разница между «агент на компьютере» и «модель на компьютере» — не терминологическая придирка. Это разница между «мой код не лежит в чужом хранилище» и «мой код вообще не покидал машину».

Вот тут начинается неприятное, о чём почти не пишут в обзорах. Claude Code исполняется локально — но промпты и ответы уходят по сети (TLS 1.2+), а хранение на стороне вендора составляет 30 дней; на коммерческих условиях модели на этом коде не обучают, и это записано в документации отдельным пунктом. Ровно та же схема у Cursor, Copilot и у десктопного AgentHere: цикл работы живёт на вашей машине, модель — на чужой. Локальным в такой конфигурации остаётся исполнение и файлы, а не сама модель.

Если изоляция нужна полная, единственный честный путь — заменить саму модель. opencode, на форке которого собран десктоп AgentHere, официально настраивается на локальные модели через Ollama, LM Studio и llama.cpp. Тогда за периметр не уходит ни строчки кода. Цена: модель меньшего размера, меньше контекста, больше требований к памяти и заметно скромнее результат на сложных задачах.

Почему «локальный» не значит «изолированный»?

Путаница начинается с того, что словом «локальный» называют три разные схемы. Отличаются они тем, где считает модель и где лежат данные.

Агент на вашей машине, модель в облаке. Так работает AgentHere: десктоп-приложение читает код и документы в папке, вносит правки и показывает, что изменил, тянет многошаговые задачи, помнит правила проекта, ищет в интернете и выполняет действия. Запросы при этом обрабатывает провайдер модели. Плюс — качество DeepSeek V4 Pro и V4 Flash, контекст до 1 048 576 токенов. Минус — содержимое прочитанных файлов уходит в сеть.

Агент на вашей машине, модель на вашей машине. Полная изоляция. Веса лежат на диске, запросы не покидают компьютер, интернет нужен только для установки. Практическая цена: локальная нейросеть держит веса в оперативной памяти или видеопамяти, и на 4 ГБ рассчитывать не на что — чем больше параметров, тем больше требуется. Качество и длина контекста тоже будут скромнее облачных: миллион токенов контекста на домашнем железе в 2026 году не получить.

Агент в облаке. Обратная крайность: арендованная виртуальная машина, где агент живёт круглосуточно и не зависит от того, включён ли ваш ноутбук. Данные и файлы — уже не у вас. Такой сценарий имеет смысл для таймеров и регулярных задач, но не для работы с чувствительным кодом.

Есть и второй слой, о котором забывают. Даже агент, установленный на вашем ПК, — это программа с правами вашего пользователя. Он может читать всё, к чему у вас есть доступ, и удалять то, что вы ему разрешите удалить. Поэтому режим по умолчанию должен быть read-only, а расширение прав — осознанным решением. В Claude Code deny-правила приоритетнее разрешающих и работают во всех режимах, включая bypassPermissions; песочница ограничивает файловую систему и сеть, причём следит за границами операционная система, а не модель. У Copilot CLI локальная песочница работает по принципу deny-by-default: у каждого пути один из трёх уровней доступа — чтение и запись, только чтение, запрещено.

И третье: агент читает недоверенный контент. Файлы, страницы в интернете, ответы чужих MCP-серверов. OpenAI прямо предупреждает, что вредоносный MCP-сервер может вытащить из контекста модели всё, что туда попало. У локального агента контекст шире — значит, и вынести при неудачном стечении обстоятельств можно больше. Проверить, что именно уходит, можно и без сниффера трафика. Дайте агенту отдельную папку — и он физически не прочитает то, что в неё не положили. Смотрите, какие файлы он открывает: большинство агентов показывают это в логе шагов. Правило простое: если файл не нужен для задачи, ему не место в рабочем каталоге. По данным опроса российских разработчиков, 4% компаний уже фиксировали атаки на рабочие ИИ-инструменты, а ещё 22% их просто не отслеживали.

Как это делать в AgentHere

Десктопное приложение AgentHere — это локальный ИИ-агент на ПК: он видит папку с проектом, правит файлы, запускает команды. Модель — облачная, DeepSeek V4 Pro или V4 Flash. Ниже — установка целиком, от файла до первой задачи.

1. Скачайте дистрибутив под свою систему на странице загрузки. Актуальная версия — 1.17.21 от 25 сентября 2026 года. Файлы: Windows x64 — agenthere-electron-win-x64.exe (119 МБ), Windows ARM64 — agenthere-electron-win-arm64.exe (120 МБ), macOS на Apple Silicon — agenthere-electron-mac-arm64.dmg (129 МБ), macOS на Intel — agenthere-electron-mac-x64.dmg (133 МБ), Linux x64 — agenthere-electron-linux-x86_64.AppImage (145 МБ). Сборок .deb и .rpm нет, для Linux только AppImage.
2. Установите приложение. Windows: SmartScreen покажет предупреждение — сборка не подписана. Нажмите «Подробнее», затем «Выполнить в любом случае», дальше обычный мастер установки. macOS: перетащите AgentHere.app из образа и снимите карантин командой sudo xattr -cr ~/Desktop/AgentHere.app, иначе система не даст запустить приложение. Linux: выдайте файлу право на запуск — chmod +x agenthere-electron-linux-x86_64.AppImage — и запустите его двойным щелчком.
3. Войдите в аккаунт. Регистрация на странице регистрации занимает минуту; после подтверждения почты на счёт приходит 1 000 000 токенов — однократно, не ежемесячно.
4. Выберите агента во вкладке «Агенты». Новому аккаунту сразу ставится «Персональный помощник». Если нужен другой — возьмите готового в каталоге агентов или создайте своего под задачу: агент здесь — это системный промпт, модель и набор навыков.
5. Укажите папку с проектом и опишите первую задачу. Откройте проект, а не домашний каталог целиком. Сформулируйте так: что сделать, где смотреть пример, что не трогать и по какому признаку считать работу законченной.

Системные требования: Windows 10 и новее, macOS 12 и новее, Linux x64. Оперативной памяти — 4 ГБ минимум, 8 ГБ рекомендуется; на диске — 500 МБ. Отдельная видеокарта не нужна, потому что модель считает не у вас. Обновления ставятся вручную: новую версию скачивают со страницы загрузки и ставят поверх. AppImage — это один файл, в систему он не устанавливается и в меню приложений сам не появляется: ярлык придётся сделать руками, если он нужен.

Первые задачи выбирайте скучные и проверяемые: дописать тесты к существующей функции, разобрать ошибку из лога, обновить зависимости в одном файле, расставить типы в модуле без покрытия. На такой задаче видно, как агент читает проект и где ошибается, а цена ошибки нулевая. Рефакторинг на десять тысяч строк ставьте после того, как посмотрите на его диффы раз пять.

Две привычки, которые сэкономят нервы. Первая: держите .env, ключи и доступы вне рабочей папки — то, что агент прочитает, он отправит модели. Вторая: не выдавайте ему прав на запись в main и не запускайте без подтверждения команды, которые трогают прод. Локальный агент — не «безопасный по умолчанию», он ближе к вашим файлам.

Что выбрать: агент на компьютер, облачная аренда или веб-чат?

Когда ищут «агент ИИ на компьютер», обычно имеют в виду одну из трёх задач, и решаются они по-разному.

Работа с кодом и документами на диске — это как раз десктопный сценарий. Другого способа дать агенту доступ к папке без ручной пересылки файлов нет.

Другое дело — регулярные задачи: мониторинг, сводки, отчёты. Если они должны выполняться при выключенном компьютере, берите облачную аренду агента. В AgentHere она стоит 25 000 токенов в час, то есть примерно 1,67 ₽/час, порог старта — 75 000 токенов на балансе.

Разовые текстовые задачи — письмо, план, расшифровка, картинка — решаются в браузере. Держать ради этого приложение на 119 МБ и обновлять его вручную бессмысленно.

Отдельный вопрос — команда. Один и тот же агент на разных машинах работает по-разному: результат зависит от памяти, от размера проекта и от того, насколько аккуратно поставлена задача. Правила работы — ветки на задачу, ревью диффа, запрет на прямой пуш в main — стоит проговорить до того, как агент начнёт править общий репозиторий.

Локальные бесплатные ИИ-агенты — отдельная история. Инструмент opencode бесплатен сам по себе, платить нужно только за доступ к модели; при локальной модели не платите и за него. AgentHere работает иначе: подписки нет, но токены покупаются разово — пакетами от 300 ₽. Подробности — на странице цен.

Сколько стоит локальный ИИ-агент в 2026 году?

Первое, что надо усвоить про AgentHere: подписок нет. Оплата разовая, без автопродления, токены не сгорают. Starter — 300 ₽ за 2 000 000 токенов, Plus — 900 ₽ за 7 000 000, Pro — 2 250 ₽ за 18 000 000, Scale — 8 250 ₽ за 70 000 000. Новичку дают −33% на первый пакет в первые 48 часов после регистрации: те же Plus обойдутся в 600 ₽, Pro — в 1 500 ₽. Токенов с пакета хватает надолго: задача с агентом — это порядка 100 000 токенов, около 7,9 ₽.

Сравним с другими путями. Свой API-ключ DeepSeek в непиковые часы стоит $0,15 за миллион входных токенов при промахе кеша — платите по факту, но настраивать провайдера придётся самому. Бесплатные тарифы облачных моделей — не бесплатные в строгом смысле: Gemini на free tier прямо указывает в документации, что данные используются для улучшения продуктов, а на платном тарифе — уже нет. Полностью локальная модель не стоит ничего после установки, но требует памяти и времени на настройку.

Посчитаем на пальцах. Бесплатного миллиона токенов хватает примерно на десять задач с агентом — это неделя спокойной работы, если не гонять его по всему проекту сразу. Пакет Plus за 900 ₽ (новичку — 600 ₽) — это 7 000 000 токенов, порядка семидесяти таких задач. Токены не сгорают, поэтому остаток доживёт до следующего спринта без спешки.

Отдельно посчитайте время. Час на настройку локального провайдера — это тоже расход, и если задача разовая, дешевле купить пакет токенов и закрыть её сегодня.

Когда это не сработает

Локальный агент избыточен, если вы работаете только с текстом в браузере. Письма, планы, черновики статей — веб-чат справляется без установки и без обновлений. То же с разовыми задачами: скачать 119 МБ, разобраться со SmartScreen и xattr ради одной расшифровки — плохая сделка.

Полная изоляция упирается в железо, и это главное ограничение. Модель, которая помещается в 4 ГБ оперативной памяти, будет заметно слабее DeepSeek V4 Pro на реальном коде. Если в компании действует запрет на вынос данных за периметр, обезличивание проблему не решает: технической гарантии оно не даёт, и это отдельно разбирают в публикациях про корпоративные контуры.

Большая кодовая база не превращается в контекст автоматически. Контекст в 1 048 576 токенов — это не «загрузить репозиторий на 3 млн строк одним запросом». Агент работает выборками: читает нужные файлы, ищет по проекту, ошибается и уточняет. Чем запущеннее проект, тем важнее, чтобы в нём были тесты и понятная структура.

Локальный агент не решает проблему утечек по определению. Заражённое расширение редактора — реальный вектор: в мае 2026 инцидент в GitHub затронул 3800 внутренних репозиториев, и причиной назвали вредоносное расширение для VS Code. Локальность тут ничего не меняет.

И последнее. Если ваша задача — работать, пока компьютер выключен, локальный агент не подойдёт вообще. Нужен облачный, с арендой по часам.

Скачать агента на компьютер можно на странице загрузки. Каталог готовых агентов — на странице агентов, про подключение внешних инструментов — в разборе MCP. Если нужен агент, который работает с кодом по правилам, — читайте гайд по настройке ИИ-агента для кода, а обзор решений и цен — в статье ИИ-агенты 2026: сервисы и как их скачать. Про локальные модели на телефоне и компьютере — отдельная статья.

Источники

1. Claude Code: Data usage — локальное исполнение, TLS, сроки хранения
2. Claude Code: Security, Permissions, Sandboxing
3. GitHub Copilot CLI: локальная песочница
4. opencode: провайдеры моделей и документация opencode
5. OpenAI: MCP и риски prompt injection
6. Хабр: облачный и локальный LLM, данные за периметром, почему уходят в локальное развёртывание
7. Хабр: подмена пакета LiteLLM на PyPI
8. РБК: атаки на рабочие ИИ-инструменты
9. Stack Overflow Developer Survey 2025: AI
10. GitHub Copilot: планы и лимиты
11. DeepSeek: цены API
12. Gemini API: free tier и использование данных
13. КонсультантПлюс: ограничения на базы данных за пределами РФ
14. TAdviser: инцидент в GitHub, май 2026